MDV-3051 Big data, sosiale medier og gjenfinning - 10 stp

Sosiale medier som Facebook og Twitter og søkemotorer som Google organiserer ikke bare store mengder informasjon, men kan også generere store mengder data (Big data) om innholdet og bruken av tjenestene. I analysert form kan dataene gi detaljert informasjon om bl.a. brukernes vaner, bekjentskaper, interesser og sinnstilstand.

Dette kan igjen brukes til å skreddersy trefflister, nyhetsfeed, venneforslag og reklame i de samme og andre informasjonstjenester. Dette emnet tar for seg de viktigste prinsipper for filtrering og rangering av informasjonsstrømmen i digitale informasjonstjenester bl.a. nyheter, film/musikk, nettsider, innlegg på sosiale medier og varer i nettbutikker. Vi ser på utviklingen fra fokus på relevans, via kvalitet til Big data og spesialtilpasset informasjon for hver enkelt. Emnet tar også for seg den historiske utviklingen, kildene til Big data og hvordan slike Big data kan analyseres, anvendes og evt. misbrukes.

Bachelorgrad med fordypning i medie- og dokumentasjonsvitenskap (80 studiepoeng) eller tilsvarende. I tillegg kreves et karaktergjennomsnitt tilsvarende C eller bedre i fordypningsemnene. Studentene bør beherske engelsk godt.

Søknadskode 9371 - enkeltemner på masternivå.

Etter bestått emne skal studentene ha følgende læringsutbytte:

Kunnskaper:

Studenten har:

• inngående kunnskap om ulike former for representasjon av dokumenter og rangering
• avansert kunnskap om hvordan Big data kan brukes til skreddersøm av ulike typer informasjon
• solid innsikt i teknologi for behandling av Big data
• inngående kunnskap om sosiale mediers historiske utvikling, samfunnsmessige konsekvenser og om Big data som det 4. forskningsparadigme
• inngående kunnskap om samfunnsmessige utfordringer bl.a. i forhold til personvern i forbindelse med økende registrering av enkeltpersoners aktiviteter, innkjøp, bekjentskaper, interesser o.l.

Ferdigheter:

Studenten kan:

• analysere og kritisk evaluere hvordan Big data kan brukes og misbrukes i en politisk, forsknings- og samfunnsmessig kontekst
• analysere og rangere dokumenter etter relevans og kvalitet ved bruk av dataverktøy
• foreta en selvstendig analyse av et utdrag av virkelig «Big data»

Forelesninger, seminar og labarbeid. Til sammen ca. 26 timer undervisning fordelt på 13 uker.

Digitalt klasserom:

Canvas

Følgende arbeidskrav må være gjennomført og godkjent før man kan fremstille seg

til eksamen:

• Analysere et utdrag «Big data» (f.eks. UiT sin nettside-logg eller bruk av UB sine elektroniske tjenester) med tanke på spesialtilpasset filtrering av informasjon i gjenfinningssystemer, personvern og andre samfunnsmessige konsekvenser.

Eksamen består av:  8 timer digital hjemmeeksamen

Kontinuasjonseksamen: Ved karakter F/«ikke bestått» tilbys kontinuasjonseksamen i begynnelsen av påfølgende semester. Frist for oppmelding til kontinuasjonseksamen er 15. januar for eksamen i vårsemesteret og 15. august for eksamen i høstsemesteret.

Eksamensdato er foreløpig og vil kunne bli endret. Endelig eksamensdato kunngjøres ved oppslag på det enkelte fakultet primo mai for vårsemesteret og primo november for høstsemesteret.

• Levene, An Introduction to Search Engines and Web Navigation, 2010 (ebok)
• Berry & Browne, Understanding search engines: mathematical modeling and text retrieval, 2 ed. 2005 (ebok)
• Langville & Meyer, Google's pagerank and beyond: the science of search engine rankings, 2006 (ebok)
• BCS Learning, Big Data : Opportunities and challenges, 2014 (ebok)
• Ishikawa, Social Big Data Mining, 2015 (ebok)

Dette er anbefalt generell litteratur. MDV-3051 har ingen obligatorisk pensumlitteratur. I forelesningsnotatene finnes det i tillegg oversikt over litteratur som er relevant for de enkelte forelesningene.

Bøker merket ebok er fritt tilgjengelig via UB på www.oria.no